盲信號(hào)分離技術(shù)及其在無(wú)源定位中的應(yīng)用.pdf

1、盲信號(hào)處理(Blind Signal Processing，BSP)是信號(hào)處理領(lǐng)域中一個(gè)重要的研究方向，它有堅(jiān)實(shí)的理論基礎(chǔ)和很多潛在的應(yīng)用，并在許多應(yīng)用領(lǐng)域得到了發(fā)展。在傳輸信道特征和真實(shí)源信號(hào)都未知的情況下，從傳感器陣列中提取或分離出源信號(hào)的問(wèn)題可以表述為盲源分離(Blind Source Separation，BSS)問(wèn)題。盲源分離問(wèn)題按混合方式可以分為瞬時(shí)型混合和卷積型混合兩種模型。瞬時(shí)型混合模型的觀測(cè)信號(hào)是源信號(hào)的線性組合，卷積

2、型混合模型比瞬時(shí)型混合模型更一般，其觀測(cè)信號(hào)是源信號(hào)和傳輸信道的卷積。獨(dú)立分量分析(Independent Component Analysis， ICA)是解決盲源分離問(wèn)題的主要方法之一。本文開(kāi)展了盲信號(hào)分離技術(shù)及其在無(wú)源定位中的應(yīng)用研究，主要研究成果有：
　　1、針對(duì)非圓信號(hào)的二階統(tǒng)計(jì)特性，本文提出一種新的時(shí)域快速獨(dú)立分量分析算法。通過(guò)構(gòu)造新的代價(jià)函數(shù)得出新的更新法則，能夠得到更為精確的分離結(jié)果。由于有些復(fù)信號(hào)在頻域中的特征更

3、為明顯，因此，將非圓信號(hào)的時(shí)域混合通過(guò)傅里葉變換轉(zhuǎn)換到頻域是一個(gè)新的思路，在頻域上對(duì)非圓信號(hào)的頻譜進(jìn)行分離后，再通過(guò)傅里葉逆變換得到原來(lái)時(shí)域上的信號(hào)，這比直接在時(shí)域上進(jìn)行分離具有更好的分離效果。
　　2、獨(dú)立向量分析(Independent Vector Analysis，IVA)是獨(dú)立分量分析從單變量到多變量的一種推廣，能夠在頻域中有效地解決盲源分離問(wèn)題。獨(dú)立向量分析同時(shí)利用了各信號(hào)之間的統(tǒng)計(jì)獨(dú)立性和每個(gè)信號(hào)內(nèi)部的統(tǒng)計(jì)相關(guān)性。本

4、文提出非圓信號(hào)卷積型混合的獨(dú)立向量分析算法，推導(dǎo)出在每個(gè)頻點(diǎn)利用偽協(xié)方差矩陣信息的固定點(diǎn)算法。這一修正使得算法具有包含非圓信號(hào)在內(nèi)的更廣闊應(yīng)用場(chǎng)景。
　　3、把期望最大化(Expectation Maximization，EM)算法應(yīng)用到含噪獨(dú)立分量分析模型中，即假定源信號(hào)具有統(tǒng)計(jì)獨(dú)立性，并將其放在貝葉斯估計(jì)框架中，提出一種解決含噪獨(dú)立分量分析的期望最大化算法。在含噪獨(dú)立分量分析模型中，本文提出的期望最大化算法能夠在已知源信號(hào)統(tǒng)計(jì)

5、模型下提供一種估計(jì)模型參數(shù)方法，從而有效地估計(jì)源信號(hào)。
　　4、將基于非負(fù)信號(hào)混合凸分析的線性規(guī)劃分離算法推廣到更一般的實(shí)信號(hào)情形，即不再限定源信號(hào)非負(fù)。在各源信號(hào)時(shí)域最小值相等并且已知的假設(shè)下，從觀測(cè)信號(hào)中減去源信號(hào)的最小值，使得觀測(cè)信號(hào)可以表示為非負(fù)信號(hào)混合問(wèn)題，從而用基于非負(fù)信號(hào)混合凸分析的線性規(guī)劃分離算法對(duì)觀測(cè)信號(hào)進(jìn)行分離，再將分離后的信號(hào)加上源信號(hào)的最小值，得到原來(lái)的真實(shí)信號(hào)。這一推廣具有比非負(fù)盲源分離更廣的應(yīng)用范圍，并

6、且比傳統(tǒng)的實(shí)信號(hào)盲源分離算法優(yōu)越。
　　5、一個(gè)凸函數(shù)的鄰近點(diǎn)算子是將投影算子自然地推廣到凸集上，這一工具在凸優(yōu)化問(wèn)題的分析和各類(lèi)解法中起著重要的作用。在盲源分離問(wèn)題中，本文將獨(dú)立分量分析放到這一框架中進(jìn)行研究，提出基于快速鄰近點(diǎn)梯度的獨(dú)立分量分析算法，利用快速鄰近點(diǎn)的觀點(diǎn)，推導(dǎo)出解混矩陣的更新法則。這一算法可以得到比復(fù)信號(hào)快速獨(dú)立分量分析等傳統(tǒng)算法更好的分離性能。
　　6、在獨(dú)立分量分析中，對(duì)觀測(cè)信號(hào)預(yù)白化處理至關(guān)重要，通

7、常采用主分量分析(PrincipalComponent Analysis，PCA)來(lái)進(jìn)行預(yù)白化處理。但在利用廣播、電視等作為外輻射源的被動(dòng)雷達(dá)系統(tǒng)中，觀測(cè)信號(hào)通常被強(qiáng)干擾和噪聲嚴(yán)重污染，傳統(tǒng)的盲源分離方法中沒(méi)有考慮這一問(wèn)題，因而分離性能較差。針對(duì)這一問(wèn)題，本文提出一種新的含噪盲源分離的白化框架，其主要思想是在對(duì)觀測(cè)信號(hào)白化之前從信號(hào)子空間的特征值中減去噪聲方差，從而考慮了噪聲對(duì)微弱目標(biāo)回波信號(hào)的影響，有助于提高 ICA的分離精度。仿真結(jié)